摘要：近年来，计算机视觉和网络安全领域应用人工智能技术，提高视觉的识别能力，保障网络信息的安全性，对计算机网络技术的发展有着积极作用。深入研究人工智能在计算机视觉和网络安全中的应用，能够为人工智能技术的应用注入新鲜血液，为人工智能带来全新的发展方向。基于此，对人工智能在计算机视觉和网络安全中的应用进行研究，以供参考。

关键词：人工智能；计算机视觉；网络安全；智能流量监测

引言

随着我国信息技术的不断发展，大数据时代已经悄然到来，并在不知不觉中影响了我们的工作和生活，我们每天在互联网上接受大量的信息，与此同时，我们自身的信息也在网络上留下痕迹，由此带来的网络安全隐患给人们的正常生活工作带来巨大的影响，一旦用户的隐私信息泄露，就会很容易被不法分子利用，从而给用户带来负面的影响，企业信息也同样如此，甚至会因为信息的泄露导致巨大的经济损失。为此本文探讨了人工智能技术在网络安全防御中的应用，借助人工智能技术大幅度提升网络信息安全指数，让大数据真正满足用户的学习工作需求。

一、人工智能的概述

人工智能指的是通过赋予机器以人的思维模式、技能方法来实现模拟、拓展等功能。当前，人工智能已经在医疗卫生、机械制造等多个行业发挥了重要作用，可以完成很多对技术要求比较高的工作，同时为人们的日常生活提供了便利的条件。人工智能特点主要包括三方面：第一是图像功能，比如人脸识别、语音识别等，不仅可以提高人们生活的便利性，还可以为信息安全提供保障；第二是网络系统，主要应用于商业领域，比如在企业库存管理中运用人工智能网络系统来实现智能化管理，在降低管理成本的同时为企业带来更高的经济效益；第三是智能识别，比如各种智能可穿戴设备运用此功能，可以使人们的生活变得更为丰富多彩。近年来，人工智能已经与大数据、物联网以及云计算等技术手段相互联系，基于控制、学习、计算、反馈等功能实现了互联互通。

二、计算机视觉领域

以深度学习为代表的学习框架，还尚未达到终身学习范式的要求。例如，要单独训练一个过参数化的深度模型，就必须为每个任务收集大量的数据和进行繁琐的人工预处理等，这使得学习成本随着任务量线性大幅增加，这无疑是耗时且低效的方式，尤其是在一些对时间和性能有特殊要求的应用场景下甚至是不被允许的。由于深度学习独特的训练和推理模式，使得深度学习模型还远远达不到人类的学习效果，如要融入终身学习的范式目前还存在着两个严峻的挑战：1）灾难性遗忘，即网络在学习了新的知识之后，可能会彻底遗忘在先前任务上学到的知识；2）概念漂移，即网络对属于同类但是不同分布的新数据表现效果差。因此要求深度学习模型既要满足一定的可塑性以适应新数据的输入，又要具备一定的稳定性从而避免在整合新知识的同时产生大量的遗忘，即摆脱稳定性-可塑性困境。

三、人工智能安全风险

人工智能技术的创新性应用系统中，除了存在传统信息系统可能会面临的风险外，给网络空间安全增加了很多新的安全风险。这些风险会存在于输入环节、数据预处理环节、模型训练环节、输出环节。一是算法模型安全风险。由人工智能模型的复杂和不透明性而引发的安全风险时有发生，尤其是机器模型的训练和部署中可能会遭受恶意攻击使得算法模型设计本身可能会产生错误的结果。例如，攻击者通过修改、删除或者注入特定的数据来对算法模型发起数据投毒攻击，影响模型的训练效果。二是数据安全风险。人工智能数据的两个重要威胁是诱饵攻击威胁以及模型窃取威胁。训练数据集对算法模型准确性有极强的影响力。通过实验证明，对路标覆盖扰动标记可以诱导无人驾驶系统将“停车”标志误识别为“限速”标志。三是个人信息保护风险。人工智能越来越依赖于训练数据量级和多样性，数据采集、分析处理阶段隐私保护风险突出。攻击者在仅拥有训练数据集子集的情况下便可以推断出用户的收入、性别、年龄等相关数据分布。四是软硬件安全风险。研究发现Tensorflow、Caffe以及Torch这三种常用的深度学习框架中所存在的漏洞可引发深度学习模型识别结果篡改。综上所述，针对传统系统制定的等级保护标准不能很好地适用于人工智能应用领域。例如，传统的测试技术已经无法满足软件中所使用开源组件的安全测评需求，因此迫切需要开展对采用人工智能系统的等级保护研究。

四、人工智能在计算机视觉和网络安全中的应用

（一）人工智能在计算机视觉中的应用

在现实生活中，图像分为动态图像与静态图像两种，计算机视觉的主要作用便是对图像进行识别。静态图像的画面处于静止状态，不会出现改变，因此计算机视觉不需要借助外力，便能够对静态图像进行精准而有效的识别。相比较之下，动态图像的图片与画面都存在一定的变化，识别相对较为复杂。若要对动态图像进行有效识别，计算机视觉便需要借助其他技术。人工智能技术在计算机视觉中的应用，可以提升计算机视觉对动态图像的识别能力与识别效率。首先，在进行场景拍摄之时，计算机视觉可以利用传感器来收集场景中存在的各类信息，在信息收集完成之后会对信息进行整理与分类，进而开展深入的分析处理。其次，智能计算机设备对信息数据的处理，能够获取图像的有效信息，并确保信息的精确性。在这样的图像信息处理过程中，智能计算机的图像处理能力尤为重要。由此可见，计算机视觉的图像识别能力与智能设备的性能息息相关。在智能设备的不断发展过程中，计算机视觉识别能力也会随之提升。现如今，计算机视觉不仅能够识别动态图像信息，还能够对人类肢体动作进行有效识别，且其识别功能仍旧在不断的发展之中，具有较为广阔的发展空间。

（二）人工智能安全风险的应对

人工智能虽然在网络安全防御系统中发挥着重大的作用，但也给用户带来全新的安全问题，利用人工智能技术研发而来的人脸识别系统就存在很多安全隐患，人脸信息被盗用、系统被攻击的事件时有发生。基于此利用人工智能技术进行对抗训练、噪声过滤以及攻击检测的方式提升人工智能技术的防御能力，随着更多对抗样品的融入，人工智能技术的安全防御能力也会逐渐提升。除此之外，在应对高级威胁时，需要借助人工智能技术开发出完善的防御系统。由于高级威胁一般具有隐蔽性强和持续性的特点，在面对高级威胁时网络安全系统要进行实时的、全方位的监控，及时发现可疑信息并对其进行快速分析。

（三）智能入侵检测技术

传统的以特征规则为基础的网络威胁检测方法，在面对复杂网络行为和海量高纬度大数据的环境下，容易出现大量误报、漏报和较长延时等问题。由于入侵检测是根据网络流量数据或主机数据来判断行为的正常或异常，属于分类问题，而机器学习等人工智能算法则在解决分类问题上有着强大的能力。结合目前快速发展的人工智能技术，智能入侵检测在检测能力和速度上较之传统的入侵检测方法均有大幅优化。在网络入侵检测领域，2016年麻省理工学院计算机科学与人工智能实验室和创业公司PatternEx共同开发AI（Artificial Intelligence+Analyst Intuition）系统是基于人工智能的网络安全入侵检测平台。该系统采用无监督机器学习自主扫描日志数据内容，并把聚类结果反馈给人类分析师。人类分析师会识别哪些是真正的网络攻击活动，并不断给网络攻击行为的数据打标签，再通过有监督机器学习将结果反馈给AI，升级现有模型，基于反馈循环原理，随着时间和数据量增多，能够不断提升检测率。

（四）对网络中的访问数据进行甄别

人工智能技术在网络安全中的应用，能够对网络中的访问数据进行甄别，对在网络中上传、下载数据的信息进行有效的检测，以防止网络遭受到恶意攻击或是病毒入侵。相较于传统的杀毒软件来说，人工智能技术以安全中心的风险数据库为依据，对与网络存在连接的数据进行分析，从而判断该数据信息是否存在风险，风险程度如何，并将分析结果传输至使用者处，让使用者对网络中可能存在的危险数据信息有一定的了解。若是在检测过程中发现某一数据存在极大的安全风险，人工智能技术将会直接切断该数据信息与网络的连接，并阻止使用者的访问。人工智能技术还会对使用者所访问的外部网站进行检测，查看网站中是否存在风险，若存在一定风险将会及时对使用者进行警告提醒，从而确保网络的安全系数。

（五）智能防火墙技术

防火墙是目前保护计算机网络的主要安全设备。作为一种隔离控制技术，防火墙在内部网络和不安全的外部网络之间建立起一道屏障，阻止外部对内网的非法访问，同时，阻止重要信息从内网流出。在传统的网络安全防御机制中存在着多种的防火墙，但此类防火墙应用却未到达用户使用的理想效果，很难做到全面抵御网络安全隐患。而人工智能技术在防火墙的应用中具有显著的优势，从其强大的数据分析与管理功能来看，能够精准有效地针对网络中存在的各种隐患进行系统的分析与判断，不但能够处理当前的安全隐患，而且还会对潜在的风险进行及时的处理，避免恶意程序的入侵与攻击，例如，部分黑客通过破译代码、制作病毒程序，侵入局域网内的计算机后台系统，对重要的数据资源、后台资料进行访问与查看，导致出现拒绝服务攻击、任意代码执行及信息泄露等安全威胁。因此，与传统的防火墙相比，人工智能技术解决了传统防火墙中防御能力不足的问题，保障了网络安全。

（六）创新专家系统

在人工智能深度应用的情况下，计算机网络领域的专家系统将得到创新，系统的功能将会变得越来越完善。在网络环境下，专家系统可以在对数据进行全面整合和有效分析的基础上实现功能的创新和完善。人工智能技术可以通过构建常识性内容和体系的方式来为专家系统的运行设定相应的指标，更好地与专家的经历进行融合，使系统具有独立思考的能力。基于这种方式，专家系统可以对各个领域和各个行业的专家资源进行全面优化整合，更好地满足用户的个性化需求。

结束语

近年来，随着人工智能技术的发展，与互联网、大数据和实体经济的进一步融合与渗透，在人工智能背景下，网络安全对相关的政治、经济等领域安全带来了不容小视的影响，引起了社会各界的高度关注。人工智能技术的发展为网络安全注入了新的活力，也带来了许多风险和挑战，因此必须要主动应对人工智能背景下网络安全的风险，才能确保网络的和谐、稳定与安全。

参考文献

[1]周兆银，田书函，谢艳，蔡硕累.计算机视觉技术在施工人员不安全行为管理中的应用[J].重庆大学学报，2022，45（S1）：74-78.

[2]袁胜虎.人工智能系统在计算机科学技术中的运用[J].信息记录材料，2022，23（08）：81-84.

[3]李乐.人工智能在计算机通信技术中的应用[J].电子技术，2022，51（06）：36-37.

[4]李阳.人工智能在计算机视觉及网络中运用[J].信息记录材料，2020，21（08）：226-227.

[5]周凡.人工智能在计算机视觉及网络领域中的应用[J].信息与电脑（理论版），2019，31（22）：105-106+109.

[6]邓德平.信息化时代人工智能在计算机网络安全中的应用[J].数字技术与应用，2019，37（08）：182+184.

[7]马俊.人工智能在计算机视觉及网络领域中的应用[J].电子技术与软件工程，2019（08）：243.

[8]刘颖.人工智能在计算机网络安全中的应用研究[J].数字通信世界，2019（03）：189.

作者简介：胡鸿格（2003.10-），男，汉族，山东省临沂市平邑县，大专在读，研究方向：专业是人工智能。